Für Maschinen und die zugehörige Software gibt es unzählige Möglichkeiten, Daten zu erheben und auszuwerten. Die dadurch entstehenden Konvolute sind höherdimensional und deshalb schwer zu interpretieren und sichtbar zu machen.

Deep neural networks

Über sogenannte deep neural networks kann diese Vielzahl an Dimensionen verringert werden, sodass die Daten einfacher zu verarbeiten sind. Auf diese Art können etwa die Daten von Maschinen mit hunderten von Sensoren in eine einfache, leicht verständliche Form gebracht werden, ohne dass dabei die inhärente Struktur der Daten verloren geht.

Deep Autoencoder

Zu diesem Zweck hat das AF Institut den Deep Autoencoder (eine besondere Art von deep neural network) entwickeln lassen, mit dessen Hilfe höherdimensionale Daten vereinfacht und als Punktewolken in einer dreidimensionalen virtuellen Realität dargestellt werden können.

Interaktionen

Über einen VR-Controller ist es zusätzlich möglich, mit den Daten in der Punktewolke zu interagieren, etwa indem einzelne Punkte herausgegriffen und betrachtet werden können. Dadurch könnten Ausreißer oder (un-)vorteilhafte Maschinenkonfigurationen identifiziert und die maschinelle Arbeit optimiert werden.